CAPÍTULO 4: METODOLOGIA DA PESQUISA
4.2 RESULTADOS E DISCUSSÕES APLICADOS COM A FERRAMENTA
4.2.2 Apresentação do Modelo Aplicado
Os valores Fuzzy triangulares ordenados na tabela 8 foram atribuídos em substituição aos termos linguísticos apresentados na tabela 9. No caso da alternativa 1 (modelo Unimodalidade – rodoviário), os valores foram apenas substituídos, por exemplo, no critério “Custo Variável”, que o termo linguístico é “Muito Baixo” foi atribuído o valor Fuzzy triangular: “0; 0,10; 0,25” e assim sucessivamente para cada critério da alternativa.
Para as alternativas de Intermodalidade foi respeitado o percentual de participação de cada modal nas respectivas alternativas, por exemplo, na alternativa 2, temos a participação do modal rodoviário e do modal ferroviário no percurso total de 1922 km, sendo que o primeiro participa em 60,98% do percurso e o segundo participa em 39,02% do percurso. Logo, para gerar o valor Fuzzy triangular para o critério “Custo Variável”, foi realizada a seguinte operação: A2 x C2 = 0,6098 x (0; 0,10; 0,25) + 0,3902 x (0,75; 1,00; 1,00), o
detalhamento desse cálculo segue abaixo: A2 x C2 =
((0,6098 x 0) + (0,3902 x 0,75)) = 0,29 ((0,6098 x 0,10) + (0,3902 x 1,00)) = 0,45 ((0,6098 x 0,25) + (0,3902 x 1,00)) = 0,54
Respeitando essa lógica, foram calculados os demais valores de cada critério para as alternativas 2, 3 e 4, conforme tabela 14.
61
Tabela 14: Matriz Alternativa vs. Critério com seus Valores Fuzzy Triangulares
Fonte: Elaborado pelo próprio
Os valores defuzzificados, extraídos da tabela 14, são os valores centrais que detém a maior pertinência Fuzzy triangular e são apresentados na tabela 15:
Tabela 15: Matriz Alternativa vs. Critério com seus Valores Defuzzificados
Alternativas x Critérios
Critérios
C1 C2 C3 C4 C5 C6 C7 C8
Custo
Variável Benefício Velocidade Disponibilidade Dependência Capabilidade Frequência Capilaridade
A1 0,10 0,10 0,75 1,00 0,25 0,25 0,75 1,00
A2 0,35 0,45 0,65 0,90 0,45 0,45 0,55 0,90
A3 0,48 0,40 0,52 0,65 0,38 0,60 0,45 0,77
A4 0,87 1,00 0,42 0,67 0,62 0,79 0,25 0,57
Fonte: Elaborado pelo próprio
O modelo aplicado para resolver o problema da escolha entre modelos de transporte é baseado em um conjunto de técnicas de análise para avaliação e a ordenação de seleção dos critérios em relação às alternativas desses modelos.
Nesta etapa será apresentada a última parte do modelo de solução, conforme a figura 13: seleção dos critérios e das alternativas do modelo, definição das variáveis linguísticas, definição dos valores Fuzzy triangulares, fuzzificação e defuzzificação do modelo e seleção da melhor alternativa dentre os modelos.
Figura 13: Etapas de solução do modelo Fonte: Elaborado pelo próprio Seleção dos critérios e das alternativas do modelo Definição das variáveis linguísticas Definição dos valores Fuzzy triangulares Seleção da melhor alternativa dentre os modelos Brainstorming Fuzzy-Topsis Fuzzificação e defuzzificação do modelo
62
4.2.3 Análise dos Resultados com o Método Fuzzy-Topsis
A tabela 16 demonstra os resultados dos cálculos da “Entropia”, da “Diversidade” e do “Peso do critério” e foram realizados com base nos valores da tabela 15, esses valores representam os critérios com relação às soluções ideais (positivas e negativas).
No caso do critério benefícios, os cálculos da “Entropia”, da “Diversidade” e do “Peso do critério” foram calculados da seguinte forma:
= 0,69 = 0,31 = 0,15
Tabela 16: Resultado do Cálculo da “Entropia”, da “Diversidade” e do “Peso do critério”
C1 C2 C3 C4 C5 C6 C7 C8 Total
Entropia 0,77 0,69 0,87 0,46 0,99 0,86 0,90 0,44
Diversidade 0,23 0,31 0,13 0,54 0,01 0,14 0,10 0,56 2,01
Peso do critério 0,112 0,155 0,067 0,268 0,005 0,067 0,049 0,277 1,00 Fonte: Elaborado pelo próprio
Como soluções ideais positivas: foram extraídos os menores valores de custos e maiores valores de benefícios. Como soluções ideais negativas: foram extraídos os maiores valores de custos e os menores valores de benefícios. Tais valores são apresentados na tabela 17.
Tabela 17: Resultado da Seleção das Soluções Ideais Positivas e das Soluções Ideais Negativas
C1 C2 C3 C4 C5 C6 C7 C8
Solução ideal positiva (d+) 0,10 1,00 0,75 1,00 0,25 0,79 0,25 1,00
Solução ideal negativa (d-) 0,87 0,10 0,42 0,65 0,62 0,25 0,75 0,57
Fonte: Elaborado pelo próprio
Na tabela 18 foi definido para cada coluna dos critérios o grau de separação entre o desempenho atribuído a solução ideal positiva e a solução ideal negativa, utilizando o método dos vértices proposto por Chen (2000) para calcular a distância entre dois números gerados a partir do método Fuzzy Topsis da seguinte forma:
63
No caso da alternativa 1, o cálculo do grau de separação entre o desempenho atribuído a solução ideal positiva e a solução ideal negativa a partir do método Fuzzy Topsis para d+ e para d-, foram calculados conforme segue:
Tabela 18: Resultado do Cálculo do Grau de Separação entre o Desempenho Atribuído a Solução Ideal Positiva e a Solução Ideal Negativa
d+ d-
A1 Alternativa 1 0,396 0,396
A2 Alternativa 2 0,268 0,323
A3 Alternativa 3 0,357 0,234
A4 Alternativa 4 0,391 0,396
Fonte: Elaborado pelo próprio
Na tabela 19, conforme definido no passo 3 da seção 2.5.2, o cálculo da proximidade relativa ξi para cada alternativa Ai em relação à solução ideal positiva A+ é obtido conforme:
.
= 0,396
.
64
No caso da alternativa 2, a distância em relação às soluções ideais positivas são calculadas da seguinte forma:
Tabela 19: Resultado do Cálculo da Proximidade Relativa para cada Alternativa em Relação à Solução Ideal Positiva A+
Proximidade 0,500 0,546 0,396 0,503 Fonte: Elaborado pelo próprio
4.3 Seleção da Melhor Alternativa .
A seleção da melhor alternativa dentre as quatro alternativas utilizadas no estudo, podendo ser: alternativa 1 – Unimodalidade com o modal rodoviário; alternativa 2 – Intermodalidade com os modais rodoviário e ferroviário; alternativa 3 – Intermodalidade com os modais rodoviário e hidroviário; alternativa 4 – Intermodalidade com os modais rodoviário, ferroviário e hidroviário, foi baseada no resultado do cálculo de proximidade relativa .
O resultado está demonstrado na tabela 19, onde temos a proximidade relativa para cada alternativa. É possível verificar a partir desta tabela uma ordenação para as quatro alternativas: a alternativa 2 teve o melhor resultado, a alternativa 4 ficando em segunda melhor, alternativa 1 como a terceira melhor e a quarta e última posição para a alternativa 3. Na tabela 20 é demonstrada essa ordenação com seus respectivos resultados.
Tabela 20: Ordenação a Partir da Melhor Proximidade Relativa
Ordem Alternativa de Modelo Resultado
1ª Alternativa 2 0,546
2ª Alternativa 4 0,503
3ª Alternativa 1 0,500
4ª Alternativa 3 0,396
65
CAPÍTULO 5: CONSIDERAÇÕES FINAIS, LIMITAÇÕES DA PESQUISA E SUGESTÕES PARA TRABALHOS FUTUROS
A escolha de uma alternativa de modelo de transporte é, antes de qualquer coisa, um processo complexo. As incertezas envolvidas, a existência de critérios fundamentais, a escolha com potencial altíssimo, os conflitos e a necessidade de atender a diferentes interesses constituem um ambiente propício à utilização de métodos formais e estruturados de suporte à decisão, métodos tanto qualitativos quanto quantitativos.
Ao longo desta pesquisa foram identificados vários modelos de transportes possíveis para o transporte de carga, bem como um conjunto de critérios que caracterizam e fortalecem cada modelo para determinadas situações.
Por se tratar de um caso real e específico, o escoamento da produção de arroz, foi utilizado como elementos para a realização do Brainstorming, profissionais com comprovada experiência na área da Logística, tanto de mercado quanto acadêmica.
Com base na matriz de decisão constituída pelas alternativas de modelos cruzadas com os critérios, pela importância dessa relação e por haver muitas incertezas para a tomada de decisão, optou-se pela utilização do método Fuzzy Topsis para elaborar, analisar e ordenar os resultados na comparação das alternativas em estudo.
A tabela 6, obtida através do Brainstorming possibilitou de forma qualitativa a representação das alternativas de modelos possíveis para o escoamento do arroz, demonstrando a incerteza na tomada de decisão pelo modelo mais adequado com relação ao custo/benefício.
Os resultados obtidos com o uso do método Brainstorming apresentaram relevância e consistência, possibilitando à aplicação do método Fuzzy Topsis, atendendo a proposta do estudo na escolha de uma das alternativas de modelos de transporte.
Foram selecionadas quatro alternativas de modelos e selecionados oito critérios, através do método Brainstorming, dentre as quatro alternativas, depois de avaliadas através dos critérios, a alternativa 3 se destacou como a mais adequada para proposta de solução.
Embora existam estudos sobre o agronegócio e estudos com a utilização do método
Fuzzy Topsis, esse é o primeiro estudo realizado com a finalidade de escolher um modelo de
transporte para o escoamento da produção do agronegócio com a aplicação deste método. Para os tomadores de decisão, até esse momento, a utilização do modelo de transporte Unimodalidade, com o modal rodoviário era o mais adequado.
66
O resultado conseguido com o estudo nos leva a escolha da alternativa 2, deixando a tomada de decisão mais simples, permitindo ao tomador de decisão fazer a sua escolha mediante o resultado apresentado, já que a decisão pelo uso da intermodalidade com os modais rodoviário e ferroviário é a melhor opção custo/benefício.
O estudo foi desenvolvido através de planilhas eletrônicas no computador, permitindo demonstrar de forma simples o desenvolvimento dos cálculos exigidos pelo método Fuzzy Topsis, que refletem a racionalidade que normalmente é aplicada às decisões nas empresas.
A aplicação do modelo proposto se mostrou compreensível para quem toma as decisões, facilitando o entendimento e a aceitação dos resultados. Os resultados deverão ser apresentados aos especialistas para que possam comparar com outros resultados antes da tomada de decisão.
A realização deste estudo trouxe muitas contribuições, uma delas foi a possibilidade de perceber que a infraestrutura de transportes é importante para o escoamento da produção do agronegócio, porém demonstra que é possível se utilizar uma infraestrutura existente de forma mais adequada, ou seja, com a máxima eficiência possível.
O estudo ainda contribui, permitindo concluir que, independente do método ou modelo a ser implantado, seja para aperfeiçoar um processo ou mesmo para substituir um processo que já não atenda às necessidades do mercado moderno, inicialmente será trabalhoso a adequação e a implantação, porém, quando avaliamos o custo/benefício e verificamos que existe um crescimento gradual ao longo do tempo de utilização do modelo, devemos verificar os ganhos futuros.
Na revisão de literatura é verificado que somente 13% do transporte de carga no Brasil são realizados pelo modal Hidroviário, embora seja o mais lento dos modais, este modal possui maior capacidade de transporte e o menor custo variável por quilômetro/tonelada, sendo assim, seria o de menor custo para ligar as regiões através da cabotagem, isto é, transportando por águas nacionais ao longo da costa, em percursos maiores do que 500 km.
Como em qualquer outro país, o único modal capaz de fazer entregas porta a porta é o modal rodoviário e esse só é viável até 500 km. Quando o percurso é maior, o modal torna-se financeiramente inviável, conforme descrito na revisão de literatura.
Verificar-se-á também nesse estudo que evoluímos em tecnologias, mas evoluímos muito pouco nas tomadas de decisão, ou seja, na aplicação adequada dessas tecnologias, modelos, dentre outras evoluções.
67
O estudo buscou alcançar seu principal objetivo ao permitir, através da comparação das alternativas de modelos de transporte utilizando o método Fuzzy Topsis, demonstrar a importância da escolha da melhor alternativa dentre as opções existentes, principalmente, quando o estudo tratado aborda um país que bate recorde a cada safra de grãos. Conforme revisão de literatura, no período de 2013/2014, houve uma safra de 193,62 milhões de toneladas, em 2014/2015 a safra passou para 209 milhões de toneladas, aumentando no período de 2015/2016 para 210 milhões de toneladas e chegando em 2016/2017 a 232 milhões de toneladas. Esses dados, mesmo que aproximados, refletem o quanto devemos tomar nossas decisões voltadas ao melhor desempenho.
Os estudos sobre o uso da Intermodalidade de transportes ainda é muito incipiente, embora já se saiba da importância dos custos do transporte no Brasil e no mundo, principalmente em países de grande dimensão.
O estudo possui limitações em termos de produção e em termos de percurso: o grão tratado não é o de maior safra, estando atrás da soja e do milho, respectivamente, conforme apresentado na revisão de literatura; e o percurso não é o maior realizado para o escoamento de grãos no Brasil. Portanto, ele não representa a completude de estudos possíveis no agronegócio, mas sim uma visão do que podemos realizar com pesquisas sobre o escoamento de outros grãos por outros percursos.
Com essa pesquisa também foi possível perceber a urgência na realização de mais estudos sobre o agronegócio, buscando aferir de que modo é possível reduzir as perdas de grãos durante o seu transporte, como afirmado na revisão de literatura sobre a perda de 6% a 10% da safra em 2014.
Atualmente, novos trechos da Ferrovia Norte Sul estão em fase de conclusão, o que nos dará maior mobilidade para o escoamento dos grãos e de outros produtos por outros percursos. Pesquisas que demonstrem se há redução de custos com a utilização dessas novas possibilidades que surgem, certamente, serão de grande relevância para a economia do Brasil.
68 REFERÊNCIAS
AGÊNCIA BRASIL, Conab prevê aumento de 15,3% na safra de grãos 2016/2017,
http://agenciabrasil.ebc.com.br/economia/noticia/2016-10/conab-preve-aumento-de-153-na- safra-de-graos-20162017. Brasília - DF, publicado em 06/10/2016. Acessado em 10/01/2018.
AMÉRICA LATINA LOGÍSTICA (ALL), palestra apresentada no Fórum Democrático de Desenvolvimento Regional em 2008.
ANDRADE, R. O. B.; ALYRIO, R. D.; MACEDO, M. A. S. Princípios de negociação: ferramentas e gestão. São Paulo: Atlas, 2004.
ÂNGELO, Lívia B. Custos Logísticos de Transferência de Produtos. GELOG – Universidade Federal de Santa Catarina (UFSC).
A TRIBUNA.COM.BR. Tecon amplia movimentação de contêineres em 15,5%.
http://www.atribuna.com.br/noticias/noticias-detalhe/porto%26mar/tecon-amplia- movimentacao-de-conteineres-em-155/?cHash=84b689e19d4bd7d5337116bad
75953ec. Guarujá – SP.Publicado em 14/11/2016.
BACHA, C. J. C. Economia e Política Agrícola no Brasil - São Paulo: Atlas, 2004. BALLOU, Ronald H. Logística empresarial. São Paulo: Atlas, 1993.
BALLOU, Ronald H. Logística empresarial. São Paulo: Atlas, 2008.
BELLMAN, R. E., & ZADEH, L. A. Decision-making in a fuzzy environment.
Management Science, 1970, 141–164.
BIODIESELBR.COM. Granol de Anápolis começa a transportar farelo por ferrovia. https://www.biodieselbr.com/noticias/usinas/info/granol-anapolis-comeca-
transportar-farelo-ferrovia-091215.htm. São Paulo, publicado em: 09 Dez 2015 11:19h
CAIXETA FILHO, J. V.; MARTINS, R. S. Gestão Logística do Transporte de Cargas. São Paulo: Atlas, 2001.
CARIDADE, José Carlos. Vem aí o OTM. Sem Fronteiras, São Paulo, n. 44 p.8, 30 de março de 1998.
CARRERA, Marcelo A. Logística de transportes: modais logísticos e sua importância. http://www.administradores.com.br/artigos/negocios/logistica-de-transportes- modais-logisticos-e-sua-importancia/87264/. Publicado em: 18 de maio de 2015.
CHAO, Wisley. Identificação de Gargalos na Cadeia Logística Utilizando Técnicas de Simulação: Avaliação da Malha de Distribuição de GLP em São Paulo. Tese submetida à Universidade Federal de Santa Catarina para a obtenção do título de Mestre em Engenharia de Produção. Florianópolis: 2001.
69
CHEN, Chen T. Extensions of the Topsis for group decision-making under Fuzzy
environment. Fuzzy Sets and Systems, v. 114, n. 1 p. 1-9, 2000.
CHRISTOPHER, Martin. Logística e gerenciamento da cadeia de suprimentos. 1ª ed. São Paulo: Pioneira, 1997.
COOPER, R. G.; EDGETT, S. J. Ideation for product innovation: what are the best
methods? PDMA Visions, v. 32, n. 1, p. 12-17, 2008.
COOPER, R. G.; KLEINSCHMIDT, E. J. Stage gate systems for new product
success. Marketing Management, v. 1, n. 4, p. 20-24, 1990.
CORRAR, L., THEÓPHILO, C. Pesquisa Operacional para Decisão em Contabilidade e Administração. São Paulo: Atlas, 2004.
COSKUN, H; YILMAZ, O. A new dynamical model of brainstorming: Linear,
nonlinear, continuous (simultaneous) and impulsive (sequential) cases. Journal of Mathematical Psychology, v. 53, p. 253-264, 2009.
CRUZ, Eduardo P. e OLIVEIRA, Thyago T. Medição de custos em transportes rodoviário - o estudo de caso de uma distribuidora multinacional de combustíveis líquidos.
DALTO, Edson J. Ferramenta de Simulação para Auxiliar o Produtor Brasileiro de Soja no Desenvolvimento de Estratégia Logística e Financeira de comercialização de uma Safra do Produto a Granel. Rio de Janeiro, 2003. Tese (Doutorado) – Instituto COPPEAD de Administração, Universidade Federal do Rio de Janeiro (UFRJ), 230 p.
DEMARIA, Marjory. O operador de transporte multimodal como fator de otimização da logística. Dissertação apresentada ao Programa de Pós-Graduação em Engenharia de Produção da Universidade Federal de Santa Catarina. Florianópolis, 2004.
DETONI, Mônica M. M. L. A evolução das empresas prestadoras de serviços logísticos no Brasil: uma análise de mercado. Projeto de Qualificação. Florianópolis:UFSC, 2002.
DUGOSH, K. L.; PAULUS, P. B.; ROLAND, E. J.; YANG, H.C. Cognitive
Stimulation in Brainstorming. Journal of Personality and Social Psychology, v. 79, n. 5, p.
722- 735, 2000.
FARAH, Marta Ferreira Santos. Tecnologia, Processo de Trabalho e Construção Habitacional. São Paulo, 1992. Tese (Doutorado) – Faculdade de Filosofia, Letras e Ciências Humanas, Universidade de São Paulo, 297 p.
FARIA, A.C.; COSTA, M.F.G. Gestão de Custos Logísticos. São Paulo: Atlas, 2005. FELIPE JUNIOR, N. F.; SILVEIRA, Márcio R. A Intermodalidade na Europa e no Brasil: O Porto de Pederneiras SP como Ponto Nodal. Geografia em Atos, n. 7, v.2. Presidente Prudente-SP, 2007.
70
FERREIRA, V.R.M. Psicologia econômica: estudo do comportamento econômico e da tomada de decisão. Rio de Janeiro: Campus, 2008.
FIGUEIREDO, Kleber F.; FLEURY, Paulo Fernando; WANKE, Peter. Logística Empresarial.1 ed. São Paulo: Atlas, 2006.
FLEURY, Paulo. Intermodalidade: importância para a Logística e estágio atual no Brasil. Disponível em <www.coppead.ufrj.br>, 2003.
FUMHAM, A.; YAZDANPANAHI, T. Personality Differences and Group Versus
Individual Brainstorming. Person. individ. Diff., v. 19, n. I, p. 73-80, 1995.
FUNDAÇÃO DOM CABRAL. Custos logísticos no Brasil: 2017/2018. Edição do
dia 02/05/2018. Disponível em:
http://www.logisticanapratica.com.br/index.php/2018/05/02/custos-logisticos-no-brasil- 2017/2018
G1.GLOBO.COM.BR. Falta de cuidados no transporte e na colheita causa desperdício de grãos. Edição do dia 17/09/2014. Disponível em:
http://g1.globo.com/economia/agronegocios/noticia/2014/09/falta-de-cuidados-no-transporte- e-na-colheita-causam-desperdicio-de-graos.html.
GERACAOEMPREENDE.COM.BR. Os 5 fatores para você vencer qualquer coisa.
Edição do dia 05/02/2016. Disponível em:
http://geracaoempreende.com.br/v2/colunas/veneravel-estrategista/os-5-fatores-para-voce- vencer-qualquer-coisa/
GOMES, Carlos F. S. e RIBEIRO, Priscilla Cristina C. Gestão da Cadeia de Suprimentos integrada à Tecnologia da Informação. São Paulo: Thomson, 2004.
HARREL, Charles R., GHOSH, Biman K. e BOWDEN, Royce – Simulation Using
Promodel. McGraw-Hill Serções in Industrial Engineering and Management Science, 2000.
HESLIN, P. A. Better than brainstorming? Potential contextual boundary
conditions to brainwriting for idea generation in organizations. Journal of Occupational and Organizational Psychology, v. 82, n. 1, p. 129-145, 2009.
HIDALGO, A.; ALBORS, J. Innovation management techniques and tools: a review
from theory and practice. R&D Management, v. 38, n. 2, p. 113-127, 2008.
HOLT, Knut. The role of the user in product innovation. Technovation. v. 7, p. 219- 258, 1988.
JOHNSON, James C. e WOOD, Donald F. – Contemporary Logistics. Prentice Hall, New Jersey, U.S.A., 6th ed., 1996.
KAHNEMAN, D. P., SLOVIC, P. e TVERSKY, A. Judgment under Uncertainty:
71
KAHNEMAN, D.; RIEPE, M.W. Aspects of Investor Psychology. Journal of
Portfolio Management, v. 24, n. 4, p. 52-65, summer 1998.
KAHNEMAN, D.; TVERSKY, A. Judgement under uncertainty: heuristics and
biases. Science, v. 185, n. 4157, p. 1124-1131, Sept.1974.
KAVADIAS, S.; SOMMER, S. C. The Effects of problem Structure and Team
Diversity on Brainstoming Effectiveness, 2007.
KING, Bob; SCHLICKSUPP, Helmut. Criatividade: uma vantagem competitiva. Rio de Janeiro: Qualitymark Ed., 2002.
KOHN, N. H.; PAULUS, P. B. CHOI, Y. Building on the ideas of others: An
examination of the idea combination process. Journal of Experimental Social Psychology, v.
47, p. 554–561, 2011.
KROHLING, Renato A.; CAMPANHARO Vinicius C. Fuzzy Topsis para tomada de decisão multicritério: uma aplicação para o caso de acidentes com derramamento de óleo no mar. XLI SBPO, Vitória – ES, 2009.
LANG, RodrigoA. S. e FREDERICO, Vanessa K. S. Inventário da infraestrutura logística brasileira. Revista Mundo Logístico, edição 10, SP, mai-jun 2009.
LIMA, Erikson Teixeira; PASIN, Jorge Antônio B. Regulação no Brasil: colocando a competitividade nos trilhos. Revista do BNDES, Rio de Janeiro v. 6 n. 12, dez. 1999.
LIMA, Maurício. Custos Logísticos no Brasil. Edição do dia 10/11/2014. Disponível em: http://www.ilos.com.br/web/tag/matriz-de-transportes/.
LOBO, Alexandre. Modal ferroviário registra maior resultado da história. Edição do dia 06/04/2018. Acessado em: 30/04/2018. Disponível em: http://www.ilos.com.br/web/tag/matriz-de-transportes/
LOPEZ, José Manoel Cortiñas. Os custos logísticos do comércio exterior brasileiro. São Paulo: Aduaneiras, 2000.
MENDONÇA, Paulo C.C.; KEEDI, Samir. Transportes e seguros no comércio exterior. São Paulo: Aduaneiras Ltda., 1997.
Ministério da Agricultura e Pecuária e Abastecimento. Plano Agrícola e Pecuário 2009/2010. Site http://www.arroz.agr.br/site/arrozemfoco/090703.php, acessado em 17/10/2009.
NETO, C. R. e NASCENTE, A. S. O agronegócio da fruticultura na Amazônia: um estudo exploratório. Empresa Brasileira de Pesquisa Agropecuária (EMBRAPA. ISSN 0103-9865), Porto Velho, RO; 2005.
72
NIJSTAD, B. A.; DE DREU, C. K. W. Creativity and Group Innovation.
International Association for Applied Psychology, p. 400-4006, 2002.
NIJSTAD, B.; STROEBE, W.; LODEWIJKX, H. F. Production blocking and idea
generation: Does blocking interfere with cognitive processes?. Journal of Experimental
Social Psicology, v. 39, p. 531-548, 2003.
NOVAES, Antonio Galvão. Logística e gerenciamento da cadeia de distribuição: estratégia, operação e avaliação. 3. ed. Rio de Janeiro: Campus, 2001.
PAULUS, P. B.; BROWN, V. R. Toward more creative and innovative group idea generation: a cognitive-social-motivational perspective of brainstorming. Social and Personality Psychology Compass, v. 1, n. 1, p. 248-265, 2007.
PAULUS, P. B.; DZINDOLET, M. T. Social Influence Processes in Group Brainstorming. Journal of Personality and Social Psychology, v. 64, n. 4, p. 575-586, 1993.
RHPORTAL.COM.BR. A arte da Guerra. Edição do dia 02/09/2015. Disponível em:
https://www.rhportal.com.br/artigos-rh/a-arte-da-guerra/
RIBEIRO, Luís Otavio de M; BOUZADA, Marco Aurélio C. A Intermodalidade compensa? Um estudo sobre o escoamento de arroz no corredor Vale do Jacuí (RS) - Região dos Lagos (RJ). Dissertação de Mestrado – UNESA – Universidade Estácio de Sá, Rio de Janeiro, 2010.
RIBEIRO, Luís Otavio de M. O transporte de carga no Brasil: uma questão emergencial. SIMPOI - FGV, São Paulo (SP), 2014.
RIBEIRO, Luís Otavio de M; BOUZADA, Marco Aurélio C. Logística Operacional Interna. Ed. Ciência Moderna, Rio de Janeiro, 2017.
RIETZSCHEL, E. F.; NIJSTAD, B.; STROEBE, W. Productivity is not enough: a
comparison of interactive and nominal brainstorming groups on idea generation and selection. Journal of Experimental Social Psicology, v. 42, p. 244-251, 2006.